1、高阶函数【函数式编程】
- 函数的传入参数是一个函数名
- 函数的返回值是一个函数名
- 特性：
-
#不可变数据：不用变量保存状态，不修改变量 #非函数式 a=1 def inc_test1(): global a a += 1 #赋值 ，修改变量 return a inc_test1() print(a) #函数式 a = 1 def inc_test1(n): return n+1 #不修改变量 print(inc_test1(2)) print(a)
-
#测试点：传入参数是一个函数名 test1 def test(n): #n=test1 print(n) def test1(name): print('my name is %s'%name) test(test1) #将test1函数名作为实参传入 """ 执行结果 <function test1 at 0x03979738> """ #测试点：传入参数是一个函数名 test1() def test(n): #n=test1 print(n) def test1(name): print('my name is %s'%name) test(test1('susu')) """ 执行结果 my name is susu None """ #测试点 返回值包含函数名称 def test(): print("测试函数式") return test print(test()) """ 执行结果 测试函数式 <function test at 0x013F9738> """ #错误测试点 返回值包含函数名称 # def test(): # print("测试函数式") # return test() #循环调用test() # # print(test()) """ 执行结果 RecursionError: maximum recursion depth exceeded while calling a Python object """ #测试点 返回值包含函数名称 def foo(): print("my foo") def test(): print("测试函数式") return foo() print(test()) """ 测试函数式 my foo None """
-
#在函数的最后一步调用另外一个函数（最后一行不一定是函数的最后一步） #函数test1在test内为尾调用 def test1(n): return n def test(x): return test1(x) #函数bar1和bar2在bar3内均为尾调用，二者在if判断条件不同的情况下都有可能作为函数的最后一步 def bar1(n): return n def bar2(n): return n def bar3(x): if type(x) is str: return bar1(x) elif type(x) is int: return bar3(x) #函数test在test1内为非尾调用 def test(n): return n def test1(x): y=test(x) return y #函数test在test1内为非尾调用 def test(n): return n def test(x): return test1(x)+1
- 优点：代码少
- 缺点：可读性差
2、面向过程
过程即解决问题的步骤，面向过程的设计就像设计好一条工业流水线，是一种机械式的思维方式
- 优点：程序结构清晰，可以把复杂的问题简单化，流程化。
- 缺点：可扩展性差，改动一个地方很可能要改多个地方，牵一发而动全身。
- 应用场景：linux内核，git，httpd，shell脚本.
3、高阶函数之map函数
处理序列中的每个元素，得到的结果是一个‘列表’；该列表元素个数及位置与原来一样
#列表数值处理 #方法1 def add_one(x): return x+1 def reduce_one(x): return x-1 def square(x): return x**2 def map_test(func,array): res_array=[] for value in array: res_value=func(value) res_array.append(res_value) return res_array array=[1,2,3,4,5,6] test_array=map_test(square,array) print(test_array) test_array1=map_test(add_one,array) print(test_array1) test_array2=map_test(reduce_one,array) print(test_array2) """ 执行结果 [1, 4, 9, 16, 25, 36] [2, 3, 4, 5, 6, 7] [0, 1, 2, 3, 4, 5] """ #方法2-lambda def map_test(func,array): #func=lambda x:x+1 res_array=[] for value in array: res_value=func(value) res_array.append(res_value) return res_array array=[1,2,3,4,5,6] test_array=map_test(lambda x:x+1,array) print(test_array) test_array1=map_test(lambda x:x-1,array) print(test_array1) test_array2=map_test(lambda x:x**2,array) print(test_array2) """ 执行结果 [2, 3, 4, 5, 6, 7] [0, 1, 2, 3, 4, 5] [1, 4, 9, 16, 25, 36] """ #方法3-map() array=[1,2,3,4,5,6] res = map(lambda x:x+1,array) #内置函数 map()函数 map函数==map_test函数 print("内置函数map,处理结果",res) #打印 迭代器 print(list(res)) print("传的是匿名函数，处理结果",list(map(lambda x:x**2,array))) """ 执行结果 [2, 3, 4, 5, 6, 7] 传的是匿名函数，处理结果 [1, 4, 9, 16, 25, 36] """ print("传的是有名函数，处理结果",list(map(reduce_one,array))) #调用方法1的reduce_one的方法 """ 执行结果 传的是有名函数，处理结果 [0, 1, 2, 3, 4, 5] """
4、高阶函数之filter函数
filter遍历序列中的每个元素，判断每个元素得到布尔值；如果是True，则留下来
#判断列表中的元素是否不包含特定字符，则该元素加入到一个新的列表中去 #方法1 def filter_test(array): res = [] for value in array: if value.startswith('hz'): res.append(value) return res array=['hz_小林','hz_大林','Hz_小苏','hz_小夏','hz_小宋','苏苏'] print(filter_test(array)) """ 执行结果 ['hz_小林', 'hz_大林', 'hz_小夏', 'hz_小宋'] """ #方法二 def startswith_num(n): return n.startswith('hz') def filter_test(func,array): res = [] for value in array: if func(value): res.append(value) return res array=['hz_小林','hz_大林','Hz_小苏','hz_小夏','hz_小宋','苏苏'] print(filter_test(startswith_num,array)) """ 执行结果 ['hz_小林', 'hz_大林', 'hz_小夏', 'hz_小宋'] """ #方法三 lambda 匿名函数 def filter_test(func,array): res = [] for value in array: if func(value): res.append(value) return res array=['hz_小林','hz_大林','Hz_小苏','hz_小夏','hz_小宋','苏苏'] print(filter_test(lambda x:x.startswith('hz'),array)) """ 执行结果 ['hz_小林', 'hz_大林', 'hz_小夏', 'hz_小宋'] """ #方法四 filter函数 array=['hz_小林','hz_大林','Hz_小苏','hz_小夏','hz_小宋','苏苏'] print(list(filter(lambda x:x.startswith('hz'),array))) """ 执行结果 ['hz_小林', 'hz_大林', 'hz_小夏', 'hz_小宋'] """
5、高阶函数之reduce函数
处理一个序列，然后把序列进行合并操作
#将列表中的每个元素相乘 def reduce_num(x,y): return x*y def reduce_test(func,array,init=None): if init == None: sum_s = array.pop(0) else: sum_s=init for value in array: sum_s =func(sum_s,value) return sum_s array=[1,2,3,4,5,6,7] print(reduce_test(reduce_num,array)) from functools import reduce print(reduce(reduce_num,array)) print(reduce(lambda x,y:x*y,array)) """ 执行结果 5040 5040 5040 """